AI 工具合集
这页更适合作为“AI 工具导航入口”，而不是单纯的链接堆叠。真正决定效率的不是工具数量，而是你能否按目标把聊天、编码、图像、本地模型和自动化这几类能力拼成一条稳定工作流。
先按目标选
- 想找一个主力聊天助手：先从 ChatGPT、DeepSeek、Gemini、Perplexity 里选一个长期使用
- 想提升写代码效率：优先看 AI IDE、终端代理、Context7 这类直接嵌入开发流的工具
- 想快速做页面或 MVP：优先看 AI 应用生成器
- 想控制成本或离线运行：优先看 Ollama、本地模型库和本地部署路线
- 想比较模型效果：先用 Arena、Artificial Analysis、LLM Rank 做横向评估
如果你现在还没有固定工作流，建议先选“一主一辅”：一个主力对话工具 + 一个主力编码工具，先用顺再补其它环节。
对话助手
| 工具 | 说明 | 地址 |
|---|---|---|
| ChatGPT | OpenAI 旗舰模型 | chatgpt.com |
| DeepSeek | 国产高性价比模型 | chat.deepseek.com |
| Gemini | Google AI | gemini.google.com |
| Grok | xAI 模型 | grok.com |
| Copilot | 微软 AI 助手 | copilot.microsoft.com |
| 通义千问 | 阿里 Qwen 模型 | qianwen.com |
| Character.AI | 角色扮演对话 | character.ai |
| Perplexity | AI 搜索引擎 | perplexity.ai |
聚合平台
| 平台 | 说明 | 地址 |
|---|---|---|
| Chatgot | 多模型聚合聊天 | chatgot.io |
| NeatChat | 免费 AI 聊天界面 | freechat.nloli.xyz |
| Chatbot Arena | LMSYS 模型盲测对比 | lmarena.ai |
聚合平台适合试模型和比效果，不一定适合长期沉淀知识、项目上下文和个人工作流。
编程助手
AI IDE
详见 → AI IDE 与编辑器
| 工具 | 说明 | 地址 |
|---|---|---|
| Cursor | AI-first 代码编辑器 | cursor.com |
| Windsurf | Cascade 智能体 IDE | windsurf.com |
| Kiro | AWS Spec 驱动 AI IDE | kiro.dev |
| Trae | ByteDance 免费 AI IDE | trae.ai |
| GitHub Copilot | VS Code AI 补全与对话 | github.com/features/copilot |
终端代理
详见 → AI 终端代理与自主工具
| 工具 | 说明 | 地址 |
|---|---|---|
| Claude Code | Anthropic 终端编程代理 | docs.anthropic.com |
| Codex CLI | OpenAI 终端编程代理 | GitHub |
| Warp | AI 驱动的现代终端 | warp.dev |
其他编程工具
| 工具 | 说明 | 地址 |
|---|---|---|
| Google AI Studio | Gemini 模型 Playground | aistudio.google.com |
| Jules | Google AI 编程助手 | jules.google.com |
| Context7 | 为 LLM 提供最新代码文档的 MCP 服务器 | GitHub |
AI 应用生成器
详见 → AI 应用生成器
| 工具 | 说明 | 地址 |
|---|---|---|
| v0 | Vercel AI UI 生成 | v0.dev |
| Bolt.new | 浏览器内全栈开发 | bolt.new |
| Lovable | 非技术用户应用构建 | lovable.dev |
| Replit Agent | 在线 IDE + AI 代理 | replit.com |
评测与分析
| 平台 | 说明 | 地址 |
|---|---|---|
| LLM Rank | 大语言模型评测排行榜 | llmrank.cn |
| Artificial Analysis | AI 模型与 API 性能价格分析 | artificialanalysis.ai |
推荐组合
轻量日常组合
- 一个主力对话工具：ChatGPT / DeepSeek / Gemini 三选一
- 一个搜索型工具：Perplexity
- 一个编程工具：Cursor / Copilot / Codex CLI
这套组合适合大多数个人用户，投入低、切换少、上手快。
开发者增强组合
- AI IDE：Cursor / Windsurf / Kiro
- 终端代理：Codex CLI / Claude Code / Gemini CLI
- 文档增强：Context7
- 本地模型：Ollama
这套更适合需要长期写代码、改仓库、跑命令、对接 API 的场景。
本地与隐私优先组合
- 本地模型运行：Ollama
- 本地界面或工作流：可结合本地 WebUI / API 网关
- 云端模型只用于高质量生成、推理或最终校验
适合对隐私、网络可用性或离线使用比较敏感的场景。
提示词工具
提示词优化器
在线 Prompt 优化工具，帮助改进提示词效果：
AI 模型库
| 平台 | 说明 | 地址 |
|---|---|---|
| Ollama | 本地大模型运行 | ollama.com/library |
| Civitai | AI 图像生成模型社区 | civitai.com |
社区与导航
| 平台 | 说明 | 地址 |
|---|---|---|
| LINUX DO | 技术社区，AI 讨论活跃 | linux.do |
| 免费 AI 工具箱 | AI 工具导航站 | nav.laogou717.com |
| 动手学深度学习 | 李沐深度学习教程 | GitHub |
自主代理
详见 → AI 终端代理与自主工具
| 工具 | 说明 | 地址 |
|---|---|---|
| OpenClaw | 开源自主 AI 代理，支持消息平台控制 | GitHub |
| Gemini CLI | Google 终端代理，百万 Token 上下文 | GitHub |
推荐落地顺序
如果你准备系统接入 AI，建议按这个顺序推进：
- 先确定一个主力聊天工具
- 再补一个主力编码工具
- 接着整理 API Key、模型配额和成本跟踪
- 再尝试本地模型或终端代理
- 最后再做自动化、多工具编排和代理式工作流
这样可以避免一开始堆太多工具，最后哪个都没真正用熟。
进阶：本地部署 AI 模型
Ollama 本地运行
# 安装（Windows）
winget install Ollama.Ollama
# 运行模型
ollama run llama3.2
ollama run deepseek-r1:8b
# 查看已下载模型
ollama list
API 使用
大部分 AI 服务都提供 OpenAI 兼容的 API：
curl https://api.openai.com/v1/chat/completions \
-H "Authorization: Bearer $API_KEY" \
-H "Content-Type: application/json" \
-d '{"model":"gpt-4o","messages":[{"role":"user","content":"Hello"}]}'
选型提醒
- 不要只看模型榜单：日常体验往往更受上下文管理、界面、延迟、价格和稳定性影响
- 不要同时订阅太多工具：重叠能力很多，容易花钱但没有真正增效
- 不要忽视数据边界：代码仓库、私有文档、密钥和客户资料要区分可上传与不可上传
- 不要把“会聊天”当成“能落地”：真正提升效率的是把模型接入编辑器、终端、脚本和流程里
常见问题
该先买聊天工具还是编程工具
如果你主要是写代码、改项目、查文档，优先补编程工具；如果你主要是写作、总结、翻译、问答，优先补聊天工具。
云端模型和本地模型怎么分工
一个比较稳的做法是：日常轻任务、本地检索、隐私数据优先本地模型；高质量推理、复杂代码生成、长上下文任务交给云端模型。
为什么换了很多工具还是没提效
通常不是模型不够强，而是：
- 没有固定主力工具
- 没把提示词、模板和上下文沉淀下来
- 没把 AI 接入现有 IDE、终端、脚本和项目结构
延伸阅读
参考链接
- OpenAI 官网 — ChatGPT 与 API
- OpenAI 状态 — 服务状态监控
- DeepSeek 官网 — 模型与 API
- Ollama 官网 — 本地模型运行
- Ollama GitHub — 源码
- Hugging Face — 模型与数据集平台